ArchivDeutsches Ärzteblatt3/2015Digitales Patientenmodell: Evidenz sichtbar machen

THEMEN DER ZEIT

Digitales Patientenmodell: Evidenz sichtbar machen

Dtsch Arztebl 2015; 112(3): A-82 / B-72 / C-70

Denecke, Kerstin

Als E-Mail versenden...
Auf facebook teilen...
Twittern...
Drucken...
LNSLNS

Forscher am Innovation Center Computer Assisted Surgery in Leipzig arbeiten an Methoden, die Therapieentscheidungen modellieren und Ärzte so unterstützen sollen.

Vision: Einbezug des Patientenmodells in die ärztliche Kommunikation während eines Tumorboards. Foto: ICCAS
Vision: Einbezug des Patientenmodells in die ärztliche Kommunikation während eines Tumorboards. Foto: ICCAS

Dr. Geiger ist sich unschlüssig über die Behandlung einer Patientin. Seit Monaten leidet sie unter Rückenschmerzen. Der Arzt startet sein modellbasiertes Entscheidungsunterstützungssystem. Es präsentiert ihm relevante Entscheidungsparameter, die aus verschiedenen Untersuchungen resultieren. Automatisiert wird auch das Radiologiebild verarbeitet und der Befund dem Krankheitsbild der Listhese zugeordnet. Aus dem Anamnesebericht werden die von der Patientin geschilderten Schmerzbereiche identifiziert, mit den anderen Parametern assoziiert und dem Arzt angezeigt. Einige besonders wichtige Informationen sind hervorgehoben. So erhält der Arzt ein ganzheitliches Bild der Erkrankung. Therapieoptionen werden dargestellt und mit entsprechender Literatur oder Leitlinieninformation untermauert.

Anzeige

Eine solche Vision einer modellbasierten Therapieentscheidung verfolgt die Nachwuchsforschungsgruppe „Digitales Patientenmodell“ am Innovation Center Computer Assisted Surgery (ICCAS) in Leipzig. Neue technische und medizinische Erkenntnisse tragen in den letzten Jahren zur Weiterentwicklung klinischer Untersuchungsmethoden bei, die kontinuierlich in die Praxis eingeführt werden. Sie bieten bessere Behandlungsmöglichkeiten und eine individuelle, auf den Patienten zugeschnittene medizinische Versorgung.

Ein großes Problem stellt jedoch die Komplexität der Untersuchungsergebnisse dar, die eine manuelle Auswertung und Interpretation durch Ärzte erschwert. So sind neben Daten, wie Laborparametern und radiologischen Bildern, künftig auch DNA-Sequenzen und Lifestyle-Informationen zu einem Patienten zu berücksichtigen, zu gewichten und in Relation zueinander zu setzen. Die Analyse erfordert vielseitiges Hintergrundwissen hinsichtlich der Abhängigkeiten und Zusammenhänge zwischen den einzelnen Untersuchungsergebnissen. Beispielsweise kann die Wirksamkeit eines Medikaments vom Erbgut des Patienten abhängen – Wissen, das bei der Auswahl einer Therapie beachtet werden sollte. Damit die Therapie trotz der Komplexität der ärztlichen Entscheidungsfindung nachvollziehbar und evidenzbasiert bleibt, entwickeln die Forscher sogenannte digitale Patientenmodelle und Methoden, diese Modelle nutzbar zu machen.

Ein digitales Patientenmodell bietet eine integrierte Sicht auf Patientendaten. Es beschreibt bezüglich einer bestimmten klinischen Symptomatik die Zusammenhänge zwischen den relevanten Größen und Werten. Dazu zählen anatomische, physiologische, mechanische, pathologische, chirurgische, metabolische, genetische und radiologische Größen, aber auch soziologische und psychologische Werte. Diese Informationen liegen bislang verteilt in verschiedenen Informationssystemen und in unterschiedlichen Datenformaten vor. Daher arbeiten die Forscher an Methoden, um Bild- und Textdaten sowie andere Informationen automatisch zu analysieren und die Daten semantisch zu annotieren, das heißt, mit klinischen Konzepten zu versehen, die den Inhalt beschreiben.

Dazu werden unter anderem Methoden der Informationsextraktion genutzt. Aus freitextlichen Beschreibungen, Anamneseberichten, Vorbefunden et cetera werden relevante Informationen wie der vom Patienten geschilderte Schmerz oder Schmerzbereiche extrahiert. Außerdem werden Komplikationen – während einer Behandlung aufgetretene unerwartete Ereignisse – automatisiert ermittelt und können bei der Therapieentscheidung mit berücksichtigt werden.

Zusätzlich werden Therapieentscheidungen modelliert. Auf der Basis von wissenschaftlicher und klinischer Evidenz identifizieren die Forscher hierfür relevante Parameter und Abhängigkeiten zwischen den Parametern und gewichten diese entsprechend ihres Einflusses auf den Verlauf und die Ausprägung des Krankheitsbildes. Ein evidenzbasierter Therapieentscheidungsgraph entsteht, der in einem System ausgewertet werden kann und mit den individuellen Patientendaten aus dem Patientenmodell vereint bei einer patientenindividuellen Therapieentscheidung unterstützen kann. Wesentliche Vorteile eines solchen Vorgehens sind die dadurch erreichte Nachvollziehbarkeit und Objektivität von Therapieentscheidungen.

Bisher hat die Forschungsgruppe für die beiden Krankheitsbilder Rhinosinusitis und Kehlkopfkrebs Therapieentscheidungsmodelle erarbeitet, die derzeit von Ärzten validiert werden. Weitere Modelle zu Defekten an der Halswirbelsäule und anderen Krankheitsbildern sind in Arbeit. Perspektivisch sollen diese Modelle halbautomatisiert unter Nutzung von Text- und Datamining-Methoden erstellt werden. Zusätzlich zur Nutzung der Patientenmodelle in unterstützenden Systemen zur Therapieentscheidung können sie auch vorhandene Information veranschaulichen und als Diskussionsgrundlage bei der ärztlichen Kommunikation dienen. Die persönlichen, ärztlichen Sichtweisen werden einer evidenzbasierten Sichtweise gegenübergestellt, so dass eine objektivere Therapieentscheidung ermöglicht wird.

Außerdem eignet sich das mit dem Therapieentscheidungsgraphen integrierte digitale Patientenmodell auch zur Unterstützung des Untersuchungsprozesses. Man könnte aus dem Modell beispielsweise berechnen, welche Untersuchungen noch nötig sind, um eine gute Entscheidung für die Behandlung treffen zu können: Der zugrunde liegende Entscheidungsgraph beschreibt die relevanten Aspekte.

Methoden und Technologien, die das individuelle und ganzheitliche Verständnis vom einzelnen Patienten weiter durchsetzen, werden die Qualität der Gesundheitsversorgung künftig stark beeinflussen. Ein vollständigeres Bild vom einzelnen Patienten einschließlich der Krankheitssymptomatik und der Lebensumstände kann in die Entscheidung einfließen.

Dr. rer. nat. Kerstin Denecke, Innovation Center Computer Assisted Surgery (ICCAS),
Universität Leipzig, kerstin.denecke@iccas.de

Leserkommentare

E-Mail
Passwort

Registrieren

Um Artikel, Nachrichten oder Blogs kommentieren zu können, müssen Sie registriert sein. Sind sie bereits für den Newsletter oder den Stellenmarkt registriert, können Sie sich hier direkt anmelden.

Themen: